Googles AI-genombrott: Vad det betyder och hur det påverkar dig

Annons

Annons
Annons

Den 27 januari tillkännagav Google att AlphaGo, en artificiell intelligens Vilken artificiell intelligens är inte vilken artificiell intelligens inte är intelligent, känsliga robotar kommer att ta över världen? Inte idag - och kanske inte någonsin. Läs mer utvecklat av sitt dotterbolag DeepMind, hade besegrat European Go-mästaren Fan Hui i en match med fem matcher.

Du kanske har hört talas om den här nyheten eftersom det gör rubriker runt om i världen, men varför bryr sig folk så mycket om det? Vad betyder det hela? Om du inte är bekant med Goets spel eller dess betydelse för artificiell intelligens, kanske du känner dig lite förlorad.

Oroa dig inte, vi har täckt dig. Här är allt du behöver veta om genombrottet och hur det påverkar vanliga människor som du och jag.

Spelets gång: Enkelt men komplex

Go är ett gammalt kinesiskt strategispel där två spelare kämpar för att fånga territorium. Vänd av tur, varje spelare - en vit, den andra svarta - placerar stenar på korsningen i ett 19 x 19 rutnät. När en grupp av stenar är helt omgiven av den andra spelarens stenar, "fångas de" och tas bort från brädet.

I slutet av matchen ägs varje tom plats av spelaren som omger den. Varje spelares poäng är baserat på hur mycket territorium han äger (dvs hur mycket tomt utrymme han har omringat) plus antalet motståndstycken som tagits under spel.

go-board

Medan de flesta troligen tror på schack som konungen i strategispel, är Go faktiskt mer komplext. Enligt Wikipedia är det 10 761 möjliga Go-spel jämfört med 10 120 uppskattade möjliga Chess-spel.

Denna komplexitet, tillsammans med några esoteriska regler och en betoning på att spela av instinkt, gör Go ett särskilt svårt spel för att datorer ska lära sig och spela på hög nivå.

Den otroliga världen av spel-spelande AIs

I den stora planeringen av saker verkar det att utforma en artificiell intelligens som spelar ett spel inte vara en mycket givande strävan, särskilt när IBMs Watson AI redan arbetar för att förbättra vården, ett område som behöver all hjälp den kan få. Så varför spenderade Google så många timmar och dollar för att skapa en Go-playing AI?

På en nivå hjälper det AI-forskare att hitta det bästa sättet att lära datorn att göra saker. Om du kan lära dig en dator för att lösa hur du hittar de bästa dragen i ett spel av Checkers eller Tic-Tac-Toe, kan du få insikt i att lära dig en annan dator hur man rekommenderar filmer på Netflix 4 Maskininlärningsalgoritmer som skapar ditt liv 4 Maskininlärningsalgoritmer som skapar ditt liv Du kanske inte inser det, men maskininlärning är redan runt omkring dig, och det kan utöva en överraskande grad av inflytande över ditt liv. Tro mig inte? Du kan bli förvånad. Läs mer, omedelbart översätta tal eller förutse jordbävningar.

Många av användningarna för AI som vi har sett hittills skulle gynnas av förbättrade problemlösningsmetoder och mönsterutvinningsegenskaper, vilket också är viktiga för effektiva spelspelande AI: er.

Monte-Carlo-search

Deep Blue, schackmästaren AI, arbetade med att använda en stor mängd beräkningskraft och brutte krafttekniker för att utvärdera alla möjliga nästa drag - upp till 200.000.000 positioner per sekund. Och medan den här strategin var tillräckligt effektiv för att slå en tidigare World Chess Champion, är det inte en särskilt "mänsklig" sätt att spela schack. Det kräver också att programmerare "förklarar" spelets regler till AI.

Nyligen utvecklades en process som kallades djupt lärande, vilket väsentligen banade vägen för datorer att lära sig själva, och det förändrade helt loppet för artificiell intelligens Microsoft vs Google - Vem leder det artificiella intelligenslottet? Microsoft vs Google - Vem leder det artificiella intelligenslottet? Konstgjorda intelligensforskare gör konkreta framsteg, och folk börjar prata allvarligt om AI igen. De två titanerna som leder den artificiella intelligensloppet är Google och Microsoft. Läs mer .

Med djup inlärning kan en dator extrahera användbara mönster från data - istället för att bli berättade av programmerare vilka mönster den ska leta efter - och använd dessa mönster för att optimera sina egna beslut. Om djup inlärning är framgångsrik kan en AI även upptäcka mönster som är mer effektiva än vad vi kan känna igen som människor.

Denna typ av lärande visades förra året när Google-ägda AI-forskningsföretaget DeepMind avslöjade ett AI som lärde sig att spela 49 olika Atari-spel Atari Arcade - Spela Retro Videospel I HTML5 [MUO Gaming] Atari Arcade - Spela Retro Videospel In HTML5 [MUO Gaming] Alla som spelar videospel idag är skyldiga till en tacksam tacksamhet till Atari och grundarna och ingenjörerna som arbetade för företaget under sina formativa år. Atari var ansvarig för många av ... Läs mer efter att ha fått enbart råinmatning. (Du kan se det lära sig att spela Breakout ovan.)

Processen är densamma som att lära ett videospel utan handledning eller förklaring. Du tittar ett tag, försök sedan trycka på slumpmässiga knappar, börja börja räkna ut saker, utveckla strategier och så småningom fortsätta att excel.

Och excel det gjorde. DeepMind AI förstörde absolut mänskliga motståndare på professionell nivå i några av dessa spel, som Video Pinball. Det gick betydligt sämre i andra spel, inklusive Pac-Man, men hade en mycket imponerande rekord överlag.

AlphaGo: Nästa nivå av AI

AlphaGo, den dator som besegrade Fan Hui at Go, använde denna djupa inlärningsstrategi för att bli oslagad i fem matcher.

Istället för att använda brute force computing som Deep Blue bestämde AlphaGo sitt nästa drag genom att använda det som lärt sig i träning för att begränsa omfattningen av potentiellt effektiva rörelser, och sedan springa simuleringar för att se vilka rörelser som troligen skulle leda till positiva resultat.

Två olika neurala nätverk Den senaste datateknik som du måste se för att tro på den senaste datatekniken du måste se för att tro. Kolla in några av de senaste datortekniken som är inställda för att omvandla världen av elektronik och datorer under de närmaste åren. Läs mer, det politiska nätverket och värdetätverket samarbetade för att utvärdera rörelser och välja det bästa som vänder sig.

På grund av Go-komplexiteten är det inte möjligt att använda en brute force-strategi över alla möjliga drag som i Schack. Så AlphaGo drog på den kunskap som den erhöll under träningsfasen, som bestod av att titta på 30 miljoner rörelser gjorda av mänskliga experter, lära sig förutspå sina drag, uppnå egna strategier och spela mot sig själv tusentals gånger.

Genom att använda förstärkningsinlärning utvecklades och beslutades beslutsprocessen tills AlphaGo blev den bästa Go-playing AI i världen. I 500 matcher mot de mest avancerade Go-datorerna vann det 499 av dem - även efter att de hade fått fyra program i början.

Och förstås, AlphaGo slog Fan Hui, den nuvarande European Go-mästaren. Segern uppnåddes faktiskt i oktober 2015, men meddelandet försenades för att sammanfalla med frisläppandet av DeepMinds forskningspapper i Nature . I mars kommer AlphaGo att ta på sig Lee Sedol, den mest dominerande aktören i världen under de senaste tio åren.

Okej, så vad betyder det?

Varför är det här som gör rubriker runt om i världen? Av flera skäl, faktiskt.

För det första tyckte många att det här var omöjligt med nuvarande teknik. De flesta uppskattningar sa att en AI inte skulle slå en världsklass Go-spelare i minst tio år. AlphaGos värdenätverk kan utvärdera vilket Go-spel som spelas och förutse en eventuell vinnare, ett problem som Google säger är "så svårt trodde det var omöjligt".

go-board-spel

För det andra är det faktum att djupt och självständigt lärande användes är mycket viktigt. Detta visar att en nuvarande artificiell intelligens kan samla data, extrahera mönster, lära sig att förutsäga sådana mönster och så småningom utveckla problemlösningsstrategier som är komplexa och effektiva nog för att slå en världsklass mänsklig.

Och medan vi vinner på Go inte kommer att förändra världen, är det faktum att en dator lyckades komma fram till den strategin med egna inlärningsalgoritmer mycket imponerande.

Det är denna djupa inlärning som har AI-forskare verkligen upphetsad över AlphaGo. Många tror att självständig inlärning är det första steget mot att skapa en stark artificiell intelligens . En stark AI refererar till en dator som kan lösa intellektuella uppgifter i nivå med människor (vilket är otroligt svårt, till stor del beroende på den mänskliga hjärnans komplexitet och effektivitet). Det här är den typ av AI du ser i många science fiction-filmer Uppmärksamhet, Internet! De bästa filmerna om artificiell intelligens Uppmärksamhet, Internet! De bästa filmerna om artificiell intelligens Hollywood har släppt en hel del fantastiska filmer som utforskar problemen med artificiell intelligens genom åren, och här är 10 av de bästa filmerna om AI vi rekommenderar att du flyttar Himmel och Jord till ... Läs mer.

alicia-Vikander-ex-machina

Det är av denna anledning att skapa AI som kan verka på mänskliga sätt är så stor sak. Att extrahera mönster och utveckla strategier är något som vi gör hela tiden, och vi använder inte brutta krafter när vi fattar beslut.

Det är väldigt svårt att få en dator att göra det utan mycket vägledning, men tack vare AlphaGo vet vi nu att stark AI inte bara är möjligt, men närmare än vi trodde.

Naturligtvis är en Go-playing AI fortfarande långt ifrån en allmänt intelligent AI. Det är bara en sak, som är ungefär lika enkel som en artificiell intelligens kan få - även Atari-spelande AI kunde spela 49 olika spel Framtida videospel AIs kommer allvarligt att få dig att bli framåt Framtidens videospel AIs kommer allvarligt att skämma bort dig Videogame AI är inte så bra än. Men med senare tekniska framsteg kan det snart förändras. Läs mer - men AlphaGos effektiva självständiga lärande kan vara det första steget mot ett stort paradigmskifte i AI.

Vad tror du?

Det är ingen tvekan om att AlphaGos seger över Fan Hui är viktigt, men huruvida det är värt globala rubriker är upp till debatt.

Tror du att det här är en stor sak? Är vi ett steg närmare robotapokalypsen Microsoft, Artificial Intelligence och Robot Apocalypse Microsoft, Artificial Intelligence och Robot Apocalypse Microsoft ger en rad autonoma robotar en seriös utseende. Är detta början på slutet för människor, eller bara ett steg framåt i trycket för säker artificiell intelligens? Läs mer ? Eller är du inte imponerad av en AI som bara kan spela ett spel? Dela dina tankar nedan och låt oss prata om det.

Bildkrediter: gå spel av vvoe via Shutterstock, Tatiana Belova via Shutterstock.com, Mciura via Wikimedia Commons, Zerbor via Shutterstock.com

In this article